訓練データとは？くんれんでーた
訓練データとは、機械学習で、モデル（入力から答えを出す計算の仕組み）に規則を学ばせるために使うデータ。教師あり学習では、入力と正解（ラベル）を組にしたものを大量に与え、モデルの出す答えが正解に近づくように内部の値を調整する。手元のデータを訓練データ・検証データ・テストデータに分け、訓練データは学習だけに使う。
最終更新：2026-10-10
基本情報を最短で暗記・合格する →背景
学習に使ったデータでそのまま成績を測ると、モデルが答えを丸暗記しただけでも高い点が出てしまい、初めて見るデータで役に立つかどうかが分からない。そこで、学習に使うデータと、出来ばえを確かめるデータを最初から分けておく考え方が定着した。訓練データは、そのうち「覚えさせる」側を担う。
具体例
Gmail の迷惑メールの振り分けは、利用者が「迷惑メールを報告」したメールなど、迷惑メールかどうかの正解が付いたメールを大量に学習して判定の精度を上げている。研究室で画像を分類するモデルを作るなら、写真 1 万枚のうち 7,000 枚程度を訓練データに、残りを検証データとテストデータに分ける、といった分け方をする。
試験での引っ掛け
訓練データでの正解率が高いことは、モデルが優れている証拠にならない。訓練データに合わせすぎて新しいデータでは外れる状態を過学習といい、これを見抜くのが検証データ・テストデータの役目である。テストデータを訓練に混ぜてはいけない（成績が実力以上に良く見える）。また、訓練データに偏りがあると、モデルもその偏りを学ぶ。正解を付ける作業はアノテーションと呼ばれ、教師あり学習では訓練データに正解が必要だが、教師なし学習では正解の無いデータを使う。
関連用語
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。